Evaluation the state of maturity of pineapple in its variety perolera using computer vision techniques
Fecha
Autores
Director
Enlace al recurso
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás. Seccional Bucaramanga
Compartir
Resumen
Computer vision systems allow identifying the physical characteristics and defects of a product in a non-invasive and reliable form.Due to these advantages, computer vision systems have gained acceptance in the food industry, since this industry requires a high demand for objectivity, consistency and efficiency in controlling the quality of the product, conditions that this systems can meet.This paper proposes a method for automatically evaluating the maturation state of the pineapple (AnanasComosus) perolera variety in postharvest usingcomputer vision system.The proposed evaluation procedure is implemented through an algorithm of color digital image processing based on the stages of preprocessing, segmentation, feature extraction and statistical classification.Algorithm used, images in the HSV color space, automatic segmentation using Otsu’s method, the first moment of the distributions of H and S planes as features, and the algorithm MBSAS (Modified Basic Sequential Algorithmic Scheme) for classification.319 images were used, of which 110 images were used in the process of training and 209 images were used in the evaluation process. The results of the evaluation procedure proposed in this paper were compared with the value judgment of three experts, showing that the proposed algorithm has an efficiency of close to 96.36% assessment.
Los sistemas de visión artificial permiten identificar características físicas y defectos de los productos de manera no intrusiva y confiable. Debido a estas ventajas, los sistemas de visión han tenido gran aceptación en las industrias agrícola y alimenticia, ya que estas industrias requieren de una alta demanda de objetividad, coherencia y eficiencia en el control de la calidad de los productos, condiciones que los sistemas de visión artificial pueden cumplir. Este trabajo propone un procedimiento para evaluar de manera automática el estado de maduración de la piña (Ananas Comosus) variedad perolera en post-cosecha mediante técnicas de visión artificial. El procedimiento de evaluación propuesto es implementado a través de un algoritmo de procesamiento de imágenes digitales en color basado en las etapas de pre-procesamiento, segmentación, extracción de características y clasificación estadística. Se empleó, imágenes en el espacio de color HSV, segmentación por umbralización automática mediante el método de Otsu, el momento de primer orden de las distribuciones de los planos H y S como características, y el algoritmo MBSAS (Modified Basic Sequential Algorithmic Scheme– en inglés) para la clasificación. Se utilizaron 319 imágenes, de las cuales 110 imágenes fueron utilizadas en el proceso de entrenamiento y 209 imágenes fueron utilizadas en el proceso de evaluación. Los resultados obtenidos por el procedimiento de evaluación propuesto en este trabajo, fueron contrastados con el juicio de valor de tres expertos, que mostraron que el algoritmo propuesto tiene una eficiencia de evaluación cercana al 96,36%.
Los sistemas de visión artificial permiten identificar características físicas y defectos de los productos de manera no intrusiva y confiable. Debido a estas ventajas, los sistemas de visión han tenido gran aceptación en las industrias agrícola y alimenticia, ya que estas industrias requieren de una alta demanda de objetividad, coherencia y eficiencia en el control de la calidad de los productos, condiciones que los sistemas de visión artificial pueden cumplir. Este trabajo propone un procedimiento para evaluar de manera automática el estado de maduración de la piña (Ananas Comosus) variedad perolera en post-cosecha mediante técnicas de visión artificial. El procedimiento de evaluación propuesto es implementado a través de un algoritmo de procesamiento de imágenes digitales en color basado en las etapas de pre-procesamiento, segmentación, extracción de características y clasificación estadística. Se empleó, imágenes en el espacio de color HSV, segmentación por umbralización automática mediante el método de Otsu, el momento de primer orden de las distribuciones de los planos H y S como características, y el algoritmo MBSAS (Modified Basic Sequential Algorithmic Scheme– en inglés) para la clasificación. Se utilizaron 319 imágenes, de las cuales 110 imágenes fueron utilizadas en el proceso de entrenamiento y 209 imágenes fueron utilizadas en el proceso de evaluación. Los resultados obtenidos por el procedimiento de evaluación propuesto en este trabajo, fueron contrastados con el juicio de valor de tres expertos, que mostraron que el algoritmo propuesto tiene una eficiencia de evaluación cercana al 96,36%.
Abstract
Idioma
Palabras clave
Computer vision system, Segmentation, Feature extraction, Statistical classification, Sistema de visión artificial, Segmentación, Extracción de características, Clasificación
Citación
Colecciones
Licencia Creative Commons
Copyright (c) 2012 ITECKNE